基于金字塔分割注意力和联合损失的表情识别模型

如何提取多尺度特征和建模远程通道间的语义依赖仍是表情识别网络面临的挑战。本文提出一种基于金字塔分割注意力的残差网络（Residual network based on pyramid split attention， PSA-ResNet）模型，该模型将ResNet50残差模块中的3×3卷积替换成金字塔分割注意力，以有效提取多尺度特征，增强跨通道语义信息的相关性。同时，为缩小同类表情之间的差异，扩大不同类表情之间的距离，在训练过程中引入了Softmax loss和Center loss联合损失函数优化模型参数。本文所提出的方法在Fer2013和CK+两个公开的数据集上进行仿真实验，分别取得了74.26%和98.35%的准确率，进一步证实了该方法相比前沿算法具有更好的表情识别效果。